USArrest

Contexto

La base de datos USArrests contiene estadísticas en arrestos por cada 100,000 residentes por agresión, asesinato y violación en cada uno de los 50 estados de E.E.U.U. en 1973.

Instalar paquetes y llamar librerias

#install.packages("caret") # Algoritmos de aprendizaje automático
library(caret)
#install.packages("datasets") # Para usar la base de datos "USArrests"
library(datasets)
#install.packages("ggplot2") # Gráficas con mejor diseño
library(ggplot2)
#install.packages("lattice") # Crear gráficos
library(lattice)
#install.packages("DataExplorer") # Análisis Descriptivo
library(DataExplorer)
#install.packages("kernlab") # Modelos de SVM
library(kernlab)
#install.packages("dplyr") # Manipulación de datos
library(dplyr)
library(cluster)
library(factoextra)
library(data.table)
library(tidyverse)
#install.packages("tigris")
library(tigris)
library(randomForest)
library(sf)
library(shiny)

Importar las bases de datos

datos <- USArrests
datos_escalados <- scale(datos)

Configurar tigris para descargar el mapa de EE.UU.

options(tigris_use_cache = TRUE)
us_map <- tigris::states(cb = TRUE)

## Retrieving data for the year 2021

Entrenar modelo Random Forest

set.seed(123)
segmentos <- kmeans(datos_escalados, centers = 4, nstart = 25)
asignacion <- cbind(datos, cluster = segmentos$cluster)

Normalizar Nombres de los Estados

asignacion$state <- tolower(rownames(asignacion))
us_map$NAME <- tolower(us_map$NAME)

Asignar niveles de Seguridad

asignacion$nivel_seguridad <- factor(case_when(
  asignacion$cluster == 1 ~ "Bajo",
  asignacion$cluster == 2 ~ "Medio",
  asignacion$cluster == 3 ~ "Alto",
  asignacion$cluster == 4 ~ "Muy Alto",
  TRUE ~ "Desconocido"
))

Entrenar el modelo Random Forest

modelo_rf <- randomForest(
  nivel_seguridad ~ Murder + Assault + Rape + UrbanPop, 
  data = asignacion,
  ntree = 100
)

Interfaz de Usuario (UI)

ui <- fluidPage(
  titlePanel("Predicción de Seguridad en EE.UU."),
  
  sidebarLayout(
    sidebarPanel(
      h4("Ingrese sus datos para predicción"),
      numericInput("murder", "Asesinatos por 100,000 hab.:", value = 10, min = 0),
      numericInput("assault", "Agresiones por 100,000 hab.:", value = 200, min = 0),
      numericInput("rape", "Violaciones por 100,000 hab.:", value = 20, min = 0),
      numericInput("urbanpop", "Porcentaje de población urbana:", value = 50, min = 0, max = 100),
      actionButton("predict", "Predecir Seguridad"),
      hr(),
      h4("Predicción del nivel de seguridad"),
      verbatimTextOutput("prediction_output")
    ),
    
    mainPanel(
      tabsetPanel(
        tabPanel("Mapa de Seguridad",
                 plotOutput("mapaPlot")
        ),
        tabPanel("Estados Más y Menos Seguros",
                 tableOutput("top5_safe"),
                 tableOutput("top5_unsafe")
        )
      )
    )
  )
)

# Servidor (Server)
server <- function(input, output, session) {
  
  # Predecir el nivel de seguridad basado en la entrada del usuario
  observeEvent(input$predict, {
    new_data <- data.frame(
      Murder = input$murder,
      Assault = input$assault,
      Rape = input$rape,
      UrbanPop = input$urbanpop
    )
    
    prediccion <- predict(modelo_rf, new_data)
    output$prediction_output <- renderPrint({ paste("Nivel de Seguridad:", prediccion) })
  })
  
  # Graficar el mapa con los clusters de seguridad
  output$mapaPlot <- renderPlot({
    us_clustered <- left_join(us_map, asignacion, by = c("NAME" = "state"))
    
    colores_seguridad <- c("Bajo" = "darkgreen", 
                           "Medio" = "yellow", 
                           "Alto" = "orange", 
                           "Muy Alto" = "red")
    
    ggplot(data = us_clustered) +
      geom_sf(aes(fill = nivel_seguridad), color = "black", size = 0.3) +
      scale_fill_manual(values = colores_seguridad, name = "Nivel de Seguridad") +
      labs(title = "Mapa de Seguridad en EE.UU. (1973)",
           subtitle = "Clasificación basada en tasas de criminalidad",
           caption = "Fuente: USArrests") +
      theme_minimal()
  })
  
  
  output$top5_safe <- renderTable({
    asignacion %>%
      arrange(Murder + Assault + Rape) %>%
      head(5) %>%
      select(state, Murder, Assault, Rape, nivel_seguridad)
  }, caption = "🟢 Estados Más Seguros")
  
  output$top5_unsafe <- renderTable({
    asignacion %>%
      arrange(desc(Murder + Assault + Rape)) %>%
      head(5) %>%
      select(state, Murder, Assault, Rape, nivel_seguridad)
  }, caption = "🔴 Estados Más Inseguros")
}

shinyApp(ui = ui, server = server)

Shiny applications not supported in static R Markdown documents